zernike相衬显微镜、图像矩、zernike多项式和像差

• 本文的内容整理自参考文献中的博客，并尝试加入自己的理解。

zernike相衬显微镜

    相衬显微镜由荷兰物理学家、诺贝尔奖获得者Firts Zernike提出，是一种增强对比度的光学技术，可用于观测透明样品的高对比度图像，如活细胞、微生物、薄组织切片等。它的精髓可用一句话概括：利用光学机制将相位的微小变化转换为相应的幅度变化，从光学技术而言的角度来说，Zernike在相衬显微术方面的工作就是简单地利用了原来被忽略的相位信息，即把相位可视化出来了。因为透明样本虽然对光的强度没有太多的调制，但是其折射率导致光程不同，从而影响了光的相位。
    如果没有这些相位信息，则零级光（黄色）和物光（红色）之间结果相位板后产生pi/2的相位差，不会产生明显干涉，而实际上样本调制了相位并导致物光和零级光之间发生干涉，从而提高样品对比度。
    相衬显微镜的关键组分为：样品和相位板。其主要优点是活细胞可以在自然状态下被检查，而不需要事先被杀死、固定和染色。因此可以观察和记录正在进行的生物过程的动态。condenser为集光器/聚光器，specimen为样品。
关于这些历史可见李恒的博客。

zernike多项式和像差

图像矩

    矩意为画直角或方形用的曲尺或者规矩，我个人理解为对某个对象的某种观测、度量、表示；抑或是，表示垂直的意思，因为矩的计算和函数内积（向量点乘）计算公式类似。统计中引入矩是为了描述随机变量的分布的形态（https://www.zhihu.com/question/19915565/answer/16538392）
    它是一个数学概念，在概率论中最常见，也常应用于物理学中，不同阶的矩表达了不同的数学量，如图所示(https://www.zhihu.com/question/23236070/answer/786691547)。
    对于任何一组点集，零阶矩表示点值之和（概率和为1/总质量/图像面积），一阶矩表示点值之和除以点的数量（期望（能不能说成均值？应该不行）/质心（穿过质心的线上的两侧质量投影相同）/重心），二阶矩可以看出随机变量平方的一阶矩，所以不直接等于方差，方差是中心化二阶矩得到的二阶中心矩（表示分布对重心的离散程度）。更高阶的矩还有偏度、峰度、超偏度、超尾度（3~6阶）。
    矩反应了对象的特征，所以对于二维数据——图像来说，同样可以使用矩（Hu矩）来反映图像的特征，可用于目标识别等领域。图像的零阶矩表示图像的面积，一阶矩为混合矩幂之和为1…

zernike多项式

    本质上Legendre多项式是在对一维单位球（即区间 (-1, 1)）的泰勒多项式进行正交化操作，而Zernike多项式是在对二维单位球（即单位圆）的二元多项式进行正交化操作。
    zerinike多项式类似于傅里叶变换，前几项集中了大部分的能量，前几项与常见的几种二维畸变面形数学形式类似，因此可以使用zernike表示光学系统中的像差，详见wikipedia。

参考文献

• https://zhuanlan.zhihu.com/p/344828125（李恒、知乎光学话题下优秀答主）
• https://zhuanlan.zhihu.com/p/474047797（daredevil、知乎博主）
• https://zhuanlan.zhihu.com/p/392294958（伊莉雅SAMA）